Google DeepMind bringt Robotern das Ablesen von Messgeräten bei, Gemini Robotics-ER 1.6 erreicht 93 Prozent Trefferquote

Google DeepMind hat seinem Robotik-Schlussfolgerungsmodell eine Fähigkeit hinzugefügt, die in Fabriken und Anlagen zählt. Die Alphabet-Tochter veröffentlichte am 14. April 2026 Gemini Robotics-ER 1.6, ein auf verkörpertes Schlussfolgern spezialisiertes Bild-Sprach-Modell, und stellte es Entwicklern am selben Tag über die Gemini-API und Google AI Studio unter der Bezeichnung gemini-robotics-er-1.6-preview bereit. Wichtigste Neuerung ist das Ablesen von Instrumenten, also Manometer, Schaugläser oder Thermometer zu betrachten und den Wert zu melden.

DeepMinds eigener Test zeigt den Sprung. Beim Ablesen von Instrumenten kam der Vorgänger Gemini Robotics-ER 1.5 auf eine Erfolgsquote von 23 Prozent, das Allzweckmodell Gemini 3.0 Flash auf 67 Prozent. ER 1.6 erreichte 86 Prozent und mit dem, was DeepMind agentisches Sehen nennt, 93 Prozent. Auch beim Zeigen auf Objekte, beim Zählen und bei der Erfolgserkennung aus mehreren Kameraperspektiven schnitt das neue Modell laut DeepMind besser ab als ER 1.5.

Agentisches Sehen bedeutet, dass das Modell Zwischenschritte geht, statt in einem Durchgang zu antworten. Nach dem Blogbeitrag der DeepMind-Forscher Laura Graesser und Peng Xu zoomt das Modell zunächst in das Bild, um feine Skalenstriche zu erkennen, und nutzt dann Zeigen und Codeausführung, um Proportionen und Intervalle zu schätzen, bevor es einen Wert ausgibt. Genannt werden runde Manometer, Schaugläser in Chemieanlagen, senkrechte Füllstandsanzeigen, Thermometer und Digitalanzeigen.

Laut der am 20. April veröffentlichten Modellkarte basiert ER 1.6 auf Gemini 3.0 Flash, verarbeitet Text, Bilder, Audio und Video mit einem Kontextfenster von 128.000 Token und gibt bis zu 64.000 Token Text aus. Trainiert wurde es auf Googles Tensor Processing Units mit Gemini-3.0-Daten und zusätzlichen Datensätzen für verkörpertes Schlussfolgern. DeepMind schließt sicherheitskritische Anwendungen wie Medizin oder Verkehr sowie Umgebungen aus, in denen eine Fehlfunktion Menschen oder Sachwerte schädigen könnte.

Boston Dynamics, ein Unternehmen der Hyundai Motor Group, hat eng an der Funktion mitgearbeitet. Der Vierbeiner Spot läuft bereits Routen durch Industrieanlagen und fotografiert Ausrüstung, ER 1.6 liefert die Deutung dieser Bilder. Marco da Silva, Vice President bei Boston Dynamics, sagte in DeepMinds Beitrag, das Ablesen von Instrumenten und verlässlicheres Aufgabenverständnis würden Spot in die Lage versetzen, reale Herausforderungen vollständig autonom zu erkennen, zu verstehen und darauf zu reagieren.

Die ER-Reihe hat in DeepMinds Robotikarchitektur eine klare Rolle. Gemini-Robotics-Modelle geben Motorbefehle aus, die ER-Modelle übernehmen das Denken drumherum, also wo Objekte liegen, in welcher Reihenfolge gearbeitet wird und ob eine Aufgabe gelungen ist. Entwickler können ER 1.6 aus ihrer eigenen Robotersoftware aufrufen und mit beliebigen Steuerungen kombinieren, was es zum am breitesten verfügbaren Teil von DeepMinds Robotikangebot macht.

Die Sicherheitsbewertung nahm breiten Raum ein. DeepMind prüfte ER 1.6 mit Version 2 seines ASIMOV-Benchmarks für menschenbezogene Sicherheitsszenarien und erklärte, das Modell halte physische Sicherheitsvorgaben bei Zeige- und Begrenzungsrahmenaufgaben deutlich besser ein als ER 1.5. Gegenüber Gemini 3.0 Flash meldete DeepMind Verbesserungen um 6 Prozent bei textbasierten und um 10 Prozent bei videobasierten Sicherheitsszenarien.

Der Wettbewerb um Robotik-Schlussfolgerungsmodelle ist dicht. NVIDIA bietet Robotikherstellern seine Cosmos-Reason-Modelle und GR00T-Strategien an. Physical Intelligence und Skild AI trainieren durchgängige Modelle, die Denken und Handeln verbinden. DeepMinds Vorteil ist der Vertrieb über eine kommerzielle API, die Entwickler bereits nutzen, und die Anbindung an die Gemini-Familie.

Für Europas Industrie ist das relevant. In Chemieparks, Raffinerien, Kraftwerken und Rechenzentren gehen nach wie vor Techniker Kontrollrunden und lesen Anzeigen ab. Ein Roboter, der analoge Instrumente ohne Nachrüstung von Sensoren ablesen kann, beseitigt eine Hürde für die Automatisierung in Bestandsanlagen. Für Betreiber wie die großen Chemiekonzerne und für Anbieter wie das Schweizer Unternehmen ANYbotics, das mit ANYmal selbst Inspektionsroboter verkauft, verschiebt sich damit die Frage, wer die Auswertungssoftware liefert. Hinzu kommt, dass ein Cloud-Modell eines US-Konzerns für kritische Infrastruktur in der EU datenschutz- und haftungsrechtlich genau geprüft werden dürfte.

Offen sind Zuverlässigkeit und Verantwortung. 93 Prozent sind für einen Benchmark viel, für eine sicherheitsrelevante Ablesung in einer gefährlichen Anlage aber wenig, und DeepMinds eigene Modellkarte rät von sicherheitskritischem Einsatz ab. Preise für die Vorschau und einen Termin für die allgemeine Verfügbarkeit nannte DeepMind nicht.